Subject Areas : Financial Economics

شهریار نصابیان ¹ , شهاب الدین قشقایی ²

1 - دانشیار دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران
2 - کارشناس ارشد، برنامه ریزی سیستم‌های اقتصادی، دانشکده اقتصاد و حسابداری، واحد تهران مرکزی، تهران، ‌ایران

Received: 2017-10-14 Accepted : 2017-12-16 Published : 2018-02-20

Keywords:

References:

فهرست منابع

1)        آذر، عادل و رجب زاده، علی (1382). «ارزیابی روش های ترکیبی: با رویکردهای شبکه های عصبی، کلاسیک در حوزه اقتصاد»، مجله تحقیقات اقتصادی، شماره 63، پاییز و زمستان 1382.

2)        ابریشمی، ح.، مهرآرا، م.(1381)، اقتصاد سنجی کاربردی (رویکردهای نوین). چاپ اول. انتشارات دانشگاه تهران.

3)        ابویی مهریزی، امیر (1385). «پیش بینی قیمت سهام با استفاده از شبکه های فازی و (ANFIS)»، پایان نامه کارشناسی ارشد، مدیریت صنعتی، دانشگاه تربیت مدرس.

4)    پناهیان، حسین (1379). «استفاده از شبکه های عصبی برای پیش بینی روند شاخص سهام بورس اوراق بهادار تهران طی سال های 1372-1369»، رساله دکتری مدیریت، دانشگاه آزاد اسلامی واحد علوم و تحقیقات.

5)        چیذری، امیرحسین و عبداالهی، مهرنوش، (1393).«پیش‎بینی قیمت سهام کشاورزی در بورس اوراق بهادار تهران (مطالعه موردی شرکت کشاورزی و دامپروری مگسال)»، اقتصاد کشاورزی، ویژه‎نامه، صص.243-233

6)        خالوزاده، حمید و خاکی صدیق، علی (1382).«ارزیابی ارزیابی پیش بینی پذیری قیمت سهام و تعیین میزان قابلیت پیش بینی در بازار بورس تهران»، فصلنامه مدرس علوم انسانی، دوره 7، شماره 3، پاییز 1382.

7)        ژاله رجبی، میترا و مقدسی، رضا. «به کارگیری الگوهای رگرسیونی شامل داده‎های مختلط در مدلسازی و پیش‎بینی ارزش واردات گندم ایران (روش ARDL تعمیم یافته مبتنی بر OLS)»، نشریه اقتصاد کشاورزی، جلد 28، شماره2، تابستان 1393، ص. 148-138.

8)        شریف، مصطفی. « بررسی آثار تعیین قیمت گندم بر تولید آن در ایران»، نشریه اقتصاد کشاورزی و توسعه، سال دوازدهم، شماره 46، تابستان 1383.

9)        شیوا، رضا؛ پیش بینی سری های زمانی، صص 18-17.

10)    عمرانی، محمد و بخشوده، محمد. «مقایسه روش‏های مختلف پیش‎بینی: مطالعه موردی قیمت پیاز، سیب‎زمینی در ایران»، چهارمین کنفرانس دوسالانه اقتصاد کشاورزی، (1384).

11)    فرجام نیا،ایمان. «پیش بینی قیمت نفت با دو روش ARIMA و شبکه های مصنوعی»، فصلنامه پژوهش های اقتصادی ایران، سال نهم، شماره 32، پاییز 1386، صص 161-183.

12)    فلاح شمسی، میرفیض و دلنواز اصغری، بیتا (1388).«پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی»، مجله فراسوی مدیریت، شماره 9، تابستان 1388.

13)    گیلان پور، امید و کهزادی، نوروزی. «پیش‎بینی قیمت برنج در بازار بین‎المللی با استفاده از الگوی خودرگرسیونی میانگین متحرک»، فصلنامه اقتصاد کشاورزی و توسعه، سال سوم، شماره 8، 1376.

14)    محمدی، حسین و فکاری سردهایی، بهزاد (1392).«عوامل مؤثر بر قیمت گندم در بورس کالای ایران»، نشریه اقتصاد و توسعه کشاورزی، جلد 27، شماره 2، تابستان 1392، ص. 102-95.

15)    مشیری، سعید (1380).«پیش بینی تورم ایران با استفاده از مدل های ساختاری سری های زمانی و شبکه های عصبی»، مجله تحقیقات اقتصادی، شماره 58، بهار و تابستان 1380.

16)    مشیری، سعید و مروت، حبیب (1385). «پیش بینی شاخص کل بازدهی سهام تهران با استفاده از مدل های خطی و غیرخطی»، فصلنامه پژوهش های بازرگانی، شماره 41، زمستان 1385.

17)    مقدسی، رضا و رحیمی بدر، بیتا (1386). « ارزیابی قدرت الگوهای مختلف اقتصاد سنجی برای پیش‎بینی قیمت گندم». پژوهشنامه اقتصادی، سال نهم، شماره چهارم، زمستان 1388.

18)    منجزی، مریم و قبادی، صغری و افقه، سید مرتضی. «بررسی اثرات کوتاه‎مدّت و بلند مدّت آزادسازی تجاری بر تابع واردات گندم ایران»، جلد 24، شماره 4، بهار 1389، ص. 526-532.

19)    موسوی، حبیب الله. «تحلیلی بر خودکفایی در تولید گندم»، ششمین کنفرانس اقتصاد کشاورزی ایران.

20)    نوفرستی، م، (1387). ریشه واحد و هم جمعی در اقتصادسنجی. چاپ اول. انتشارات رسا

21)    

22)    

23)    

24)    

25)    

26)    

27)    

28)    

29)    

30)    

31)    

32)    

33)    

34)    

35)    

36)    

37)    

38)    

39)    

40)    

41)   Box, G.P., Jenkins, G.M. (1978). Time Series analysis: Forecasting and control, revised., Holden day, San Francisco.

42)   Brandt J. A. and D. A. Bessler (1981), Composite forecasting: an application with US. hog prices, American Journal of Agricultural Economics, 63: 135-140.

43)   Bressan and Lima. (2002), the applicability of time series models as a decision tool of buy and sell orders of live cattle futures contracts. nova Economia_Belo Horizonte_12 (1)_117-140_janeiro-junho de2002.

44)   Contreras,J,Rosario,E, Francisco,J, and Antonio. (2003).ARIMA models to predict next day Electricity prices. IEEE TRANSACTIONS ON POWER SYSTEMS, VOL. 18, NO. 3, AUGUST 2003 .

45)   Dooley, G., and H. Lenihan (2005). An assessment of time series methods in metal price forecasting..Resources Policy 30, 208-217.

46)   Fernandez,v .(2005), Forecasting commodity prices by classification methods: The cases of crude oil and natural gas spot prices.

47)   Lin,J (2010), Empirical study of Gold price Based on ARIMA and GARCH.

48)   Merh, N.,& Saxena, V., &Pardasani, K. (2011). Next day stock market forecasting:An application of ANN and ARIMA. Available at www.SSRN.com.

49)   -Portugal, N. S. (1995), Neural networks versus time series methods: A forecasting exercises, 14^th international symposium on forecasting, Sweden.

50)   Wu, SH. I. and R. P. Lu (1993), Combining artificial neural networks and statistics for stock-market forecasting, 257-264.

51)   Wankhade,R, Suvarna,M, Sonal,G and V.M. Bodade (2010), Use if the RIMA model for forecasting Pigeon Pea Production in india.International Review of Business and Finance.v(2)

52)   Wang C. C.(,2011), A comparison study between fuzzy time series model and ARIMA model for forecasting Taiwan export. Expert Systems with Applications 38: 9296–9304.

53)   www.FAO.org

54)   www.ers.usda.gov

55)   www.irica.gov.ir

 

 

یادداشت‌ها